[發明專利]聯合查詢的網絡空間知識圖譜推理方法和裝置

有效

• 申請號: 202010424095.5
• 申請日: 2020-05-18
• 公開（公告）號: CN111813949B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 朱承;丁兆云;陳俐名;劉斌;朱席席;黃松平;朱先強;周鋆;呂國棟;湯羅浩
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/33;G06N3/04;G06N5/04
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 董惠文

1.一種聯合查詢的網絡空間知識圖譜推理方法，所述方法包括：

接收聯合查詢實體，將所述聯合查詢實體編碼為聯合查詢向量；

根據預先設置的第一循環神經網絡模型，確定所述聯合查詢向量對應的目標實體以及表示所述目標實體匹配度的第一概率模型；

根據預先設置的最大跳數，獲取所述目標實體到最大跳數范圍內實體的有序列表，根據所述有序列表，生成推理子圖；

根據預先設置的第二循環神經網絡模型，確定所述推理子圖中潛在答案匹配度的第二概率模型；

根據所述第一概率模型和所述第二概率模型，進行評分，得到所述聯合查詢實體對應的正確答案集合；

所述根據預先設置的第一循環神經網絡模型，確定所述聯合查詢向量對應的目標實體以及表示所述目標實體匹配度的第一概率模型，包括：

將知識圖譜中的實體映射為實體向量，根據預先設置的第一循環神經網絡模型，查詢知識圖譜中每個實體是目標實體的第一概率模型為：

其中，表示實體y是聯合查詢實體q的目標實體的概率，表示第一循環神經網絡模型最后一個分類層的權重，θ₁表示調節參數；

所述根據預先設置的最大跳數，獲取所述目標實體到最大跳數范圍內實體的有序列表，根據所述有序列表，生成推理子圖，包括：

獲取所述目標實體在預先設置的最大跳數中的鄰居實體，對所述鄰居實體進行拓撲排序，得到所述拓撲排序中各個實體關系的有序列表，根據有序列表，得到目標實體對應的推理子圖；

所述根據預先設置的第二循環神經網絡模型，確定所述推理子圖中潛在答案匹配度的第二概率模型，包括：

根據預先設置的第二神經網絡，將聯合查詢實體映射成d維的邏輯查詢向量為：

其中，f_qt(·)表示第二神經網絡；

根據所述潛在答案表示推理子圖以及所述邏輯查詢向量，利用預先設置的第二循環神經網絡模型進行圖嵌入，得到推理子圖中潛在答案匹配度的第二概率模型為：

其中，f_qt(q)^T，表示第二循環神經網絡模型最后一個分類層的權重，表示第二概率模型，表示潛在答案表示的向量表示，θ₂表示調節參數。

2.根據權利要求1所述的方法，其特征在于，所述接收聯合查詢實體，將所述聯合查詢實體編碼為聯合查詢向量，包括：

接收聯合查詢實體；

根據預先設置的第一神經網絡，將聯合查詢實體映射成d維的聯合查詢向量為：

其中，fent(·)表示第一神經網絡，表示d維空間，q表示聯合查詢實體。

3.根據權利要求1至2任意一項所述的方法，其特征在于，在根據預先設置的第二循環神經網絡模型，確定所述推理子圖中潛在答案匹配度的第二概率模型之前，還包括：

構建潛在答案表示為：其中，表示所述推理子圖中所有從目標實體y到潛在答案a的最小子圖。

4.根據權利要求3所述的方法，其特征在于，根據所述第一概率模型和所述第二概率模型，進行評分，得到所述聯合查詢實體對應的正確答案集合，包括：

根據所述第一概率模型和所述第二概率模型，得到聯合查詢實體到潛在答案實體的概率模型為：

其中，P表示潛在答案實體是聯合查詢實體的正確答案的概率；

根據所述概率模型，得到所述聯合查詢實體對應的正確答案集合。